Schulungsübersicht
Einführung
- Microcontroller vs. Mikroprozessor
- Microcontrollers entwickelt für Aufgaben des maschinellen Lernens
Überblick über TensorFlow Lite Merkmale
- Maschinelles Lernen auf dem Gerät
- Lösung der Netzwerklatenz
- Lösen von Energiebeschränkungen
- Wahrung der Privatsphäre
Zwänge eines Microcontroller
- Energieverbrauch und Größe
- Verarbeitungsleistung, Arbeitsspeicher und Speicherplatz
- Begrenzte Operationen
Erste Schritte
- Vorbereiten der Entwicklungsumgebung
- Ausführen eines einfachen Hello World auf dem Microcontroller
Erstellen eines Audio-Detektionssystems
- Erhalten eines TensorFlow-Modells
- Konvertieren des Modells in einen TensorFlow Lite FlatBuffer
Serialisierung des Codes
- Umwandlung des FlatBuffers in ein C-Byte-Array
Arbeiten mit Microcontroller'ss C++ Bibliotheken
- Kodierung des Mikrocontrollers
- Sammeln von Daten
- Durchführung von Inferenzen auf dem Controller
Überprüfung der Ergebnisse
- Durchführung eines Einheitstests, um den End-to-End-Workflow zu sehen
Erstellung eines Bilderkennungssystems
- Klassifizierung physischer Objekte aus Bilddaten
- Erstellung eines TensorFlow-Modells von Grund auf
Einsatz eines AI-fähigen Geräts
- Durchführung von Inferenzen auf einem Mikrocontroller im Feld
Fehlersuche
Zusammenfassung und Schlussfolgerung
Voraussetzungen
- C- oder C++-Programmiererfahrung
- Grundlegendes Verständnis von Python
- Allgemeines Verständnis für eingebettete Systeme
Publikum
- Entwickler
- Programmierer
- Datenwissenschaftler mit Interesse an der Entwicklung eingebetteter Systeme
Erfahrungsberichte (2)
Sean war ein dynamischer Redner und die praktischen Übungen waren sehr interessant. Ich kann sehen, wie sie sich wirklich anwenden lassen.
Temira Koenig - Yeshiva University
Kurs - Raspberry Pi for Beginners
Maschinelle Übersetzung
Die Erwerbung nützlicher Kenntnisse und Klarstellung einiger Dinge, die ich zuvor nicht sicher kannte.
Kenneth Mahoney - University of Glasgow
Kurs - Arduino: Programming a Microcontroller for Beginners
Maschinelle Übersetzung